Проект: "Исследование рынка заведений общественного питания Москвы"

Цель проекта: подготовить аналитическое исследование заведений общественного питания Москвы для инвесторов, чтобы они смогли принять решение о том, какого типа заведение и в каком районе города будет наиболее перспективным.

Данные для аналитического кейса представлены датасетом moscow_places.csv, содержащим информацию об имеющихся на лето 2022 года заведениях общепита Москвы:

name — название;

address — адрес;

category — категория заведения («кафе», «пиццерия», «кофейня» и др.);

hours — информация о днях и часах работы;

lat — широта географической точки, в которой находится заведение;

lng — долгота географической точки, в которой находится заведение;

rating — рейтинг заведения по оценкам пользователей в Яндекс Картах (высшая оценка — 5.0);

price — категория цен в заведении, например «средние», «ниже среднего», «выше среднего» и так далее;

avg_bill — строка, которая хранит среднюю стоимость заказа в виде диапазона, например:

"Средний счёт: 1000–1500 ₽";

"Цена чашки капучино: 130–220 ₽";

"Цена бокала пива: 400–600 ₽".

middle_avg_bill — число с оценкой среднего чека, которое указано только для значений из столбца avg_bill, начинающихся с подстроки "Средний счёт";

middle_coffee_cup — число с оценкой стоимости одной чашки капучино, которое указано только для значений из столбца avg_bill, начинающихся с подстроки "Цена одной чашки капучино";

chain — число, выраженное 0 или 1, которое показывает, является ли заведение сетевым (1 - сетевое, 0 - не сетевое), для маленьких сетей могут встречаться ошибки;

district — административный район, в котором находится заведение, например Центральный административный округ;

seats — количество посадочных мест.

План выполения проекта:

1. Загрузить данные и выполнить их первичный просмотр.

2. Выполнить предобработку данных (пропуски, дубликаты).

   2.1. Создать дополнительный столбец `street` с названиями улиц, на которых расположены заведения.

   2.2. Создать дополнительный столбец `is_24\7` с обозначением, что заведение работает ежедневно и круглосуточно 
(True - если ежедневное и круглосуточное, False - если нет).

3. Выполнить исследовательский анализ данных, ответив на следующие вопросы:

   3.1. Какие категории заведений присутствуют в датасете? Как распределены заведения по категориям?

   3.2. Как распределено количество посадочных мест в заведениях по категориям?

   3.3. Каково соотношение сетевых и несетевых заведений в датасете?

   3.4. Какие категории заведений чаще являются сетевыми?

   3.5. Каковы топ-15 самых популярных сетевых заведений?

   3.6. Какие административные районы Москвы присутствуют в датасете? Каково общее количество заведений и количество заведений в каждой категории по районам?

   3.7. Каково распределение средних рейтингов по категориям заведений? Сильно ли различаются средние рейтинги в разных типах общепита?

   3.8. Построить фоновую картограмму (хороплет) со средним рейтингом заведений каждого района, взяв данные о границах районов из файла `admin_level_geomap.geojson`

   3.9. Используя кластеры библиотеки `folium`, отобразить все заведения из датасета на карте.

   3.10. Найти топ-15 улиц по количеству заведений. Построить график распределения количества заведений и их категорий по улицам.

   3.11. Найти улицы, на которых есть только один объект общепита. Что это за заведения?

   3.12. Найти медиану среднего чека заведений для каждого района как ценовой индикатор района. Построить хороплет  полученными значениями для каждого района. Проанализировать, как удаленность от центра влияет на цены в заведениях?

   3.13. Проанализировать иные взаимосвязи в данных. Например, часы работы заведений и их зависимость от расположения и категории заведения.

   3.14. Сделать общий вывод по выполненному исследовательскому анализу.

4. Детализировать исследование под открытие кофейни, дав ответы на вопросы:

   4.1. Сколько всего кофеен в датасете? В каких районах их больше всего, каковы особенности их расположения?

   4.2. Есть ли круглосуточные кофейни?

   4.3. Какие у кофеен рейтинги? Как они распределяются по районам?

   4.4. На какую стоимость чашки капучино стоит ориентироваться при открытии и почему?

   4.5. Расширить анализ ответами на собственные вопросы. На основе полученных результатов дать рекомендации по открытию кофейни.

5. Подготовить презентацию в формате PDF, выбрав важные тезисы и наблюдения, которые могут заинтересовать заказчиков. Приложить ссылку на презентацию в markdown-ячейке.

Загрузка и первичный просмотр данных

В начале установим библиотеку haversine, которая поможет в вычислении расстояний между географическими точками:

!pip install haversine

Requirement already satisfied: haversine in c:\users\alisa\practicum\practicum_env\lib\site-packages (2.8.0)

[notice] A new release of pip is available: 23.2.1 -> 23.3.1
[notice] To update, run: python.exe -m pip install --upgrade pip

Импортируем необходимые для работы библиотеки:

import pandas as pd
import requests
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
from plotly import graph_objects as go
import haversine as hs

import urllib.request, json
from folium import Map, Marker, Choropleth
from folium.plugins import MarkerCluster

sns.set_palette("tab10")
sns.set_style("whitegrid")

Записываем данные в датафрейм df:

df = pd.read_csv('moscow_places.csv')

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8406 entries, 0 to 8405
Data columns (total 14 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8406 non-null   object 
 1   category           8406 non-null   object 
 2   address            8406 non-null   object 
 3   district           8406 non-null   object 
 4   hours              7870 non-null   object 
 5   lat                8406 non-null   float64
 6   lng                8406 non-null   float64
 7   rating             8406 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8406 non-null   int64  
 13  seats              4795 non-null   float64
dtypes: float64(6), int64(1), object(7)
memory usage: 919.5+ KB

В датасете данные о 8406 объектах общественного питания. Имеются полные данные о категориях, адресах и районах расположения заведений, их координатах, рейтинге и о том, является ли заведение сетевым. Не для всх заведений указаны часы работы, категория цен, диапазон среднего счета, средний счет, средняя стоимость чашки каппучино и количество посадочных мест.

Названия столбцов и форматы данных не вызывают нареканий

df.head()

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	NaN	NaN	NaN	NaN	0	NaN
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	NaN	0	4.0
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	NaN	0	45.0
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	NaN	Цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	NaN	1	148.0

Предварительная обработка данных

Проверка на наличие дубликатов

Сначала проверим, есть ли в данных полные дубликаты:

df.duplicated().sum()

0

Полностью дублирующихся строчек нет. Теперь посмотрим как обстоит дело с неявными дубликатами. Начнем со столбца category:

def unique_values(column):
    print(df[column].sort_values(ascending=True).unique())

unique_values('category')

['бар,паб' 'булочная' 'быстрое питание' 'кафе' 'кофейня' 'пиццерия'
 'ресторан' 'столовая']

В этом столбце все в порядке - неявных дубликатов нет. Теперь посмотрим на столбец с районами:

unique_values('district')

['Восточный административный округ' 'Западный административный округ'
 'Северный административный округ'
 'Северо-Восточный административный округ'
 'Северо-Западный административный округ'
 'Центральный административный округ'
 'Юго-Восточный административный округ'
 'Юго-Западный административный округ' 'Южный административный округ']

Взглянем на категории цен:

unique_values('price')

['высокие' 'выше среднего' 'низкие' 'средние' nan]

Неявных дубликатов нет, но есть пропущенные значения. Наконец, обратимся к столбцу chain, содержащему информацию о том, является ли заведение сетевым:

unique_values('chain')

[0 1]

Проверим, нет ли дубликатов по сочетаниям имя-категория-адрес и имя-адрес, предварительно приведя все столбцы к нижнему регистру. Создадим в датафрейме df временный столбец is_duplicated, в который запишем, является ли строка дубликатом другой строки по сочетанию имя-категория-адрес:

df['is_duplicated'] = df[['name', 'category', 'address']].apply(lambda x: x.astype(str).str.lower()).duplicated()

Выведем строки-дубликаты:

df.query('is_duplicated')

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	is_duplicated
215	Кафе	кафе	Москва, парк Ангарские пруды	Северный административный округ	ежедневно, 10:00–22:00	55.881438	37.531848	3.2	NaN	NaN	NaN	NaN	0	NaN	True
1511	More Poke	ресторан	Москва, Волоколамское шоссе, 11, стр. 2	Северный административный округ	пн-чт 09:00–18:00; пт,сб 09:00–21:00; вс 09:00...	55.806307	37.497566	4.2	NaN	NaN	NaN	NaN	1	188.0	True

Удалим из датафрейма df такие строки:

df = df.drop(index=[215,1511]).reset_index(drop=True)

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8404 entries, 0 to 8403
Data columns (total 15 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8404 non-null   object 
 1   category           8404 non-null   object 
 2   address            8404 non-null   object 
 3   district           8404 non-null   object 
 4   hours              7868 non-null   object 
 5   lat                8404 non-null   float64
 6   lng                8404 non-null   float64
 7   rating             8404 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8404 non-null   int64  
 13  seats              4794 non-null   float64
 14  is_duplicated      8404 non-null   bool   
dtypes: bool(1), float64(6), int64(1), object(7)
memory usage: 927.5+ KB

df[['name', 'category', 'address']].apply(lambda x: x.astype(str).str.lower()).duplicated().sum()

0

Отлично. Строчек в датафрейме стало на две меньше, дубликаты по сочетанию имя-категория-адрес пропали.

Работа с пропусками в данных

Мы выяснили, что пропуски в данных присутствуют для столбцов с часами работы hours, категорией цен price, диапазоном среднего счета avg_bill, средним счетом middle_avg_bill, средней стоимостью чашки капучино middle_coffee_cup и количеством посадочных мест seats. Посмотрим, какие доли значений пропущены в каждом из столбцов датафрейма:

pd.DataFrame(round(df.isna().mean()*100,1)).style.background_gradient('bwr')

	0
name	0.000000
category	0.000000
address	0.000000
district	0.000000
hours	6.400000
lat	0.000000
lng	0.000000
rating	0.000000
price	60.600000
avg_bill	54.600000
middle_avg_bill	62.500000
middle_coffee_cup	93.600000
chain	0.000000
seats	43.000000
is_duplicated	0.000000

Больше всего пропусков в столбцах, касающихся цен и среднего чека (price - 60.6%, avg_bill - 54.6%, middle_avg_bill - 62.5% и middle_coffee_cup - 93.6%). Также пропущено 43% значений в столбце с количеством посадочных мест seats.

Пропущенное число посадочных мест будет сложно заполнить, поскольку оно зависит как от типа заведения, так и от площади помещения, в котором располагается заведение, а такой информации у нас нет. Поэтому в столбце seats пропущенные значения числовыми значениями заменять не будем. Ценовая категория и средний счет также очень вариативные показатели. Даже рестораны/кафе одной и той же сети могут иметь одну ценовую категорию в центральных районах, и другую на окраинах. Средний счет также зависит от географического положения места и от особенностей городской среды вокруг - например, если рядом есть крупное предприятие или офисный комплекс, это может сильно изменять величину среднего чека. Поэтому, чтобы избежать искажений данных, не будем заменять пропуски и в этих полях какими-либо числовыми значениями.

Вместе с тем, когда мы будем оценивать распределение заведений по ценовым категориям и среднему чеку по районам, неплохо иметь представление о том, какая доля заведений в каждом районе не имеет ценовой категории, оценки среднего чека и числа посадочных мест. Поэтому создадим отдельный датафрейм df_dummy - копию датафрейма df, в которой вместо пропущенных значений в столбцах price, avg_bill, middle_avg_bill, middle_coffee_cup и seats будет стоять "заглушка" unknown:

df_dummy = df.fillna('unknown')

df_dummy

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	is_duplicated
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	unknown	unknown	unknown	unknown	0	unknown	False
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	unknown	0	4.0	False
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	unknown	0	45.0	False
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	unknown	Цена чашки капучино:155–185 ₽	unknown	170.0	0	unknown	False
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	unknown	1	148.0	False
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
8399	Суши Мания	кафе	Москва, Профсоюзная улица, 56	Юго-Западный административный округ	ежедневно, 09:00–02:00	55.670021	37.552480	4.4	unknown	unknown	unknown	unknown	0	86.0	False
8400	Миславнес	кафе	Москва, Пролетарский проспект, 19, корп. 1	Южный административный округ	ежедневно, 08:00–22:00	55.640875	37.656553	4.8	unknown	unknown	unknown	unknown	0	150.0	False
8401	Самовар	кафе	Москва, Люблинская улица, 112А, стр. 1	Юго-Восточный административный округ	ежедневно, круглосуточно	55.648859	37.743219	3.9	unknown	Средний счёт:от 150 ₽	150.0	unknown	0	150.0	False
8402	Чайхана Sabr	кафе	Москва, Люблинская улица, 112А, стр. 1	Юго-Восточный административный округ	ежедневно, круглосуточно	55.648849	37.743222	4.2	unknown	unknown	unknown	unknown	1	150.0	False
8403	Kebab Time	кафе	Москва, Россошанский проезд, 6	Южный административный округ	ежедневно, круглосуточно	55.598229	37.604702	3.9	unknown	unknown	unknown	unknown	0	12.0	False

8404 rows × 15 columns

Создание столбца с названием улиц

Посмотрим, как выглядят информация об адресах заведений общепита:

df['address']

0                       Москва, улица Дыбенко, 7/1
1               Москва, улица Дыбенко, 36, корп. 1
2                   Москва, Клязьминская улица, 15
3              Москва, улица Маршала Федоренко, 12
4                  Москва, Правобережная улица, 1Б
                           ...                    
8399                 Москва, Профсоюзная улица, 56
8400    Москва, Пролетарский проспект, 19, корп. 1
8401        Москва, Люблинская улица, 112А, стр. 1
8402        Москва, Люблинская улица, 112А, стр. 1
8403                Москва, Россошанский проезд, 6
Name: address, Length: 8404, dtype: object

На первом месте всегда название города - Москва, затем запятая, пробел и название улицы/проспекта/проезда, запятая и информация о конкретном доме на данной улице. Создадим функцию street_name, которая будет из столбца с адресом извлекать только название улицы:

def street_name(dataframe):
    str_name = dataframe['address'][7:] #убираем слово Москва, запятую и пробел
    while ',' in str_name: #создаем цикл, в которм пока есть запятые в адресе "откусываем" от него по одному символу с конца
        str_name = str_name[:-1] 
    return str_name

Применим эту функцию к датафрейму df - создадим в нем дополнительный столбец street с названием улицы:

df['street'] = df.apply(street_name, axis=1)
df.head(5)

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	is_duplicated	street
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	NaN	NaN	NaN	NaN	0	NaN	False	улица Дыбенко
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	NaN	0	4.0	False	улица Дыбенко
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	NaN	0	45.0	False	Клязьминская улица
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	NaN	Цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN	False	улица Маршала Федоренко
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	NaN	1	148.0	False	Правобережная улица

street_names = df['street'].sort_values().unique()

df['street'].sort_values().head(100)

6330     1-й Автозаводский проезд
1331      1-й Балтийский переулок
7188        1-й Варшавский проезд
6495      1-й Вешняковский проезд
1269     1-й Волоколамский проезд
                  ...            
736        1-я Останкинская улица
834        1-я Останкинская улица
2331       1-я Останкинская улица
2372       1-я Останкинская улица
2548       1-я Останкинская улица
Name: street, Length: 100, dtype: object

Ту же самую операцию проделаем для датафрейма df_dummy:

df_dummy['street'] = df_dummy.apply(street_name, axis=1)
df_dummy.head(5)

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	is_duplicated	street
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	unknown	unknown	unknown	unknown	0	unknown	False	улица Дыбенко
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	unknown	0	4.0	False	улица Дыбенко
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	unknown	0	45.0	False	Клязьминская улица
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	unknown	Цена чашки капучино:155–185 ₽	unknown	170.0	0	unknown	False	улица Маршала Федоренко
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	unknown	1	148.0	False	Правобережная улица

Создание столбца с обозначением ежедневного круглосуточного режима работы

Посмотрим как данные о режиме работы представлены в датафрейме:

df['hours']

0                                  ежедневно, 10:00–22:00
1                                  ежедневно, 10:00–22:00
2       пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...
3                                  ежедневно, 09:00–22:00
4                                  ежедневно, 10:00–22:00
                              ...                        
8399                               ежедневно, 09:00–02:00
8400                               ежедневно, 08:00–22:00
8401                             ежедневно, круглосуточно
8402                             ежедневно, круглосуточно
8403                             ежедневно, круглосуточно
Name: hours, Length: 8404, dtype: object

Ежедневный круглосуточный режим работы обозначен как "ежедневно, круглосуточно". Создадим в датафрейме новый столбец is_24/7 в который запишем True если заведение работает круглосуточно и без выходных, и False - если в режиме работы есть перерывы:

df['is_24/7'] = df['hours'] == 'ежедневно, круглосуточно'
df[['hours', 'is_24/7']]

	hours	is_24/7
0	ежедневно, 10:00–22:00	False
1	ежедневно, 10:00–22:00	False
2	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	False
3	ежедневно, 09:00–22:00	False
4	ежедневно, 10:00–22:00	False
...	...	...
8399	ежедневно, 09:00–02:00	False
8400	ежедневно, 08:00–22:00	False
8401	ежедневно, круглосуточно	True
8402	ежедневно, круглосуточно	True
8403	ежедневно, круглосуточно	True

8404 rows × 2 columns

Получилось. То же самое сделаем для df_dummy:

df_dummy['is_24/7'] = df_dummy['hours'] == 'ежедневно, круглосуточно'
df_dummy[['hours', 'is_24/7']]

	hours	is_24/7
0	ежедневно, 10:00–22:00	False
1	ежедневно, 10:00–22:00	False
2	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	False
3	ежедневно, 09:00–22:00	False
4	ежедневно, 10:00–22:00	False
...	...	...
8399	ежедневно, 09:00–02:00	False
8400	ежедневно, 08:00–22:00	False
8401	ежедневно, круглосуточно	True
8402	ежедневно, круглосуточно	True
8403	ежедневно, круглосуточно	True

8404 rows × 2 columns

В итоге предобработки данных количество строк в датафрейме df уменьшилось на две из-за удаления двух дублирующихся строк, пропуски не заполнялись, а число столбцов увеличилось на два - street и 24/7. Также был создан отдельный датафрейм df_dummy, в котором пропуски были заменены строкой unknown.

Исследовательский анализ данных

Распределение заведений Московского общепита по категориям

df.head()

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	is_duplicated	street	is_24/7
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	NaN	NaN	NaN	NaN	0	NaN	False	улица Дыбенко	False
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	NaN	0	4.0	False	улица Дыбенко	False
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	NaN	0	45.0	False	Клязьминская улица	False
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	NaN	Цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN	False	улица Маршала Федоренко	False
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	NaN	1	148.0	False	Правобережная улица	False

ax = df.pivot_table(index='category', values='name', aggfunc='count').sort_values(by='name', ascending=False).plot(kind='bar', figsize=(13,5), grid=False, legend=False, color='#8c564b')
plt.title('Распределение числа заведений московского общепита по категориям', fontsize=16, pad=20)
plt.xticks(rotation=0, fontsize=13)
plt.xlabel('')
plt.yticks(fontsize=12)
plt.ylabel('Число заведений', fontsize=13)
for p in ax.patches:
    ax.annotate(text = np.round(p.get_height(), decimals=1),
                xy = (p.get_x()+p.get_width()/2., p.get_height()),
                ha = 'center',
                va = 'center',
                xytext = (0, 10),
                textcoords = 'offset points',
                fontsize = 14)
sns.despine()
#plt.savefig("categories.jpg", format="jpg", dpi=200)
plt.show()

Самыми многочисленными заведениями общественного питания в Москве являются кафе и рестораны - 2378 и 2043, соответственно. На третьем месте кофейни - 1413 заведений. Баров - 765, пиццерий - 633, заведений быстрого питания - 603, столовых - 315, булочных - 256. Похоже, в Москве не любят булочки.

Количество посадочных мест в заведениях разных категорий

При работе с количеством посадочных мест необходимо помнить, что эта информация указана только для 57% заведений из датасета. Посмотрим, достаточно ли у нас данных о посадочных местах по каждой категории:

df.query('~seats.isna()').pivot_table(index='category', values='name', aggfunc='count').sort_values(by='name', ascending=False)

	name
category
ресторан	1269
кафе	1218
кофейня	751
бар,паб	468
пиццерия	427
быстрое питание	349
столовая	164
булочная	148

Даже в самых немногочисленных категорях мы имеем выборку как минимум в полторы сотни значений. Этого вполне достаточно, чтобы оценить среднее или медиану по категориям

Для начала посмотрим на распределения количества посадочных мест в каждой категории:

for category in df.sort_values(by='category')['category'].unique():
    df.query('category == @category')['seats'].hist(bins=50)
    plt.title(f'Распределение количества посадочных мест в заведениях типа {category}')
    plt.xlabel('Число посадочных мест')
    plt.ylabel('Число заведений')
    plt.show()

Видно, что распределения асимметричные, присутствуют выраженные выбросы - заведения, в которых более 1000 посадочных мест. Лучше характеризовать такие распределения медианными значениями.

Построим боксплоты, на которых покажем данные о медианном числе посадочных мест по категориям заведений. Сразу выберем диапазон возможных значений числа посадочных мест так, чтобы были видны различия между разными типами заведений:

fig, ax = plt.subplots(figsize=(20, 6))
ranks = df.groupby('category')['seats'].median().fillna(0).sort_values()[::-1].index
ax = sns.boxplot(x='category', y='seats', data=df.sort_values(by='category'), order=ranks, showfliers=False)
plt.title('Количество посадочных мест в заведениях разных категорий', fontsize=20)
plt.xlabel('Тип заведения', fontsize=14)
plt.ylabel('Число посадочных мест', fontsize=14)
plt.xticks(fontsize=14)
plt.yticks(fontsize=14)
plt.ylim(0,350)
medians = round(df.groupby(['category'])['seats'].median().fillna(0).sort_values()[::-1])
vertical_offset = df['seats'].median() * 0.05 

for xtick in ax.get_xticks():
    ax.text(xtick,medians[xtick]+vertical_offset,medians[xtick], 
            horizontalalignment='center',size='x-large',color='w')
sns.despine()    
plt.show()

Самое большое медианное число посадочных мест в ресторанах (86), барах (82) и кофейнях (80). Затем следуют столовые (76), заведения быстрого питания (65), кафе (60), пиццерии (55) и булочные (50). В целом, можно сказать, что различия в количестве посадочных мест между категориями заведений не слишком велики. Можно заметить, что в барах, заведениях быстрого питания, кофейнях и ресторанах число посадочных мест в 75% заведений находится в пределах 150, а в булочных, кафе, пиццериях и столовых - в пределах 120.

Соотношение сетевых и несетевых заведений в датасете

Посчитаем сколько сетевых и несетевых заведений в датасете:

chain_pivot = df.pivot_table(index='chain', values='name', aggfunc='count')
chain_pivot.columns=['count']
chain_pivot.index=['несетевые', 'сетевые']
chain_pivot

	count
несетевые	5200
сетевые	3204

Построим круговую диаграмму:

colors = ['#8c564b', '#bcbd22']
plt.pie(chain_pivot['count'], labels=chain_pivot.index, autopct='%1.1f%%', colors=colors, radius=2.0, pctdistance=0.5, labeldistance=1.1, textprops={'fontsize': 15}, startangle = 69)
plt.title('Доля сетевых и несетевых заведений общественного питания в Москве',fontsize=16, pad=100)
#plt.savefig("chain_share.jpg", format="jpg", bbox_inches='tight', dpi=200)
plt.show()

Доля несетевых заведений составляет 61.9%, сетевых - 38.1%

Какие категории заведений чаще являются сетевыми?

pivot_chain_2 = df.query('chain == 1').pivot_table(index='category', values='name', aggfunc='count').sort_values(by='name', ascending=False)
pivot_chain_2

	name
category
кафе	779
ресторан	729
кофейня	720
пиццерия	330
быстрое питание	232
бар,паб	169
булочная	157
столовая	88

plt.pie(pivot_chain_2['name'], labels=pivot_chain_2.index, autopct='%1.1f%%', radius=2.0, pctdistance=0.85, labeldistance=1.1, textprops={'fontsize': 13}, startangle = 90)
plt.title('Доля заведений разных типов среди сетевых, %', fontsize=16, pad=100)
plt.show()

Самую большую долю сетевых заведений составляют кафе - 24.3% (779 точек). На втором и третьем местах с практически одинаковыми долями рестораны - 22.8% (730 заведений) и кофейни - 22.5% (720 заведений). Пиццерии, точки быстрого питания, бары, булочные и столовые в сумме составляют около 1/3 всех сетевых заведений (30.4%)

Теперь посмотрим какой процент заведений в каждой категории является сетевым:

chain_percent = round(df.pivot_table(index='category', values='chain', aggfunc='mean').sort_values(by='chain', ascending=False)*100,1).reset_index()
chain_percent

	category	chain
0	булочная	61.3
1	пиццерия	52.1
2	кофейня	51.0
3	быстрое питание	38.5
4	ресторан	35.7
5	кафе	32.8
6	столовая	27.9
7	бар,паб	22.1

fig, ax = plt.subplots(figsize=(13,5))
ax = sns.barplot(x='category', y='chain', data=chain_percent, color='#8c564b')
ax.grid(False)
plt.title('Доля сетевых заведений в разных категориях', fontsize=16, pad=10)
plt.xticks(rotation=0, fontsize=13)
plt.xlabel('', fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel('Доля сетевых заведений, %', fontsize=13)
sns.despine()
for i, v in enumerate(chain_percent['chain']):
   ax.text(i, v + 0.2, str(v), ha='center',fontsize=13)
plt.savefig("chain_categories.jpg", format="jpg", bbox_inches='tight', dpi=200)
plt.show()

Несмотря на то, что в абсолютном выражении булочные и пиццерии составляют малую часть всех сетевых заведений московского общепита, 61.3% булочных и 52.1% пиццерий - сетевые заведения. На третьем месте по доле сетевых заведений кофейни (51%). Реже всего сетевыми бывают бары/пабы (22.1% заведений).

Топ-15 популярных сетей общепита в Москве

Создадим сводную таблицу по сетевым заведениям. В качестве индексов будут названия заведений, а в качестве значений - количество заведений с таким названием:

pivot_chain_3 = df.query('chain == 1').pivot_table(index='name', values=['address','category'], aggfunc={'address':'count', 'category':'first'})
pivot_chain_3.columns = ['count','category']
pivot_chain_3

	count	category
name
1-я Креветочная	1	кафе
10 Идеальных Пицц	3	ресторан
18 Грамм	3	кофейня
4 Сезона	1	кафе
7 Сэндвичей	4	кофейня
...	...	...
Я люблю суши	4	ресторан
Ян Примус	3	ресторан
Яндекс Лавка	69	ресторан
Яндекс.Лавка	3	ресторан
Японская кухня	4	кафе

762 rows × 2 columns

У Яндекс Лавки есть дублирующееся название. Приведем все к одному названию:

df['name'] = df['name'].replace('Яндекс.Лавка', 'Яндекс Лавка') # избавляемся от дубликатов в оригинально датафрейме
df_dummy['name'] = df_dummy['name'].replace('Яндекс.Лавка', 'Яндекс Лавка') # и в датафрейме с заглушкой

pivot_chain_3 = df.query('chain == 1').pivot_table(index='name', values=['address','category'], aggfunc={'address':'count', 'category':'first'})
pivot_chain_3.columns = ['count','category']
pivot_chain_3

	count	category
name
1-я Креветочная	1	кафе
10 Идеальных Пицц	3	ресторан
18 Грамм	3	кофейня
4 Сезона	1	кафе
7 Сэндвичей	4	кофейня
...	...	...
Юрта	2	кафе
Я люблю суши	4	ресторан
Ян Примус	3	ресторан
Яндекс Лавка	72	ресторан
Японская кухня	4	кафе

761 rows × 2 columns

Также видим, что у некоторых сетей лишь одно заведение в списке. Это может быть, как минимум, по двум причинам: 1) ошибка внесения данных; 2) это на самом деле сеть заведений, но остальные заведения сети находятся в других городах. Посмотрим, много ли таких сетей из одного заведения:

pivot_chain_3.query('count == 1')['count'].sum()

65

64 сетевых заведения. При этом часть из них, скорее всего, на самом деле сети, а часть внесена по ошибке. Даже если допустить что половина записей ошибочные, они составят менее 1% от общего числа сетевых заведений. Маловероятно, что это окажет значимое влияние на дальнейший анализ.

Теперь отобразим 15 сетей с самым большим числом заведений в Москве:

pivot_chain_3 = pivot_chain_3.sort_values(by='count',ascending=False)
pivot_chain_3 = pivot_chain_3[:15]
pivot_chain_3

	count	category
name
Шоколадница	120	кофейня
Домино'с Пицца	76	пиццерия
Додо Пицца	74	пиццерия
Яндекс Лавка	72	ресторан
One Price Coffee	71	кофейня
Cofix	65	кофейня
Prime	50	ресторан
Хинкальная	44	быстрое питание
КОФЕПОРТ	42	кофейня
Кулинарная лавка братьев Караваевых	39	кафе
Теремок	38	ресторан
Чайхана	37	кафе
CofeFest	32	кофейня
Буханка	32	булочная
Му-Му	27	кафе

ax = pivot_chain_3.sort_values(by='count', ascending=True).plot(kind='barh', figsize=(10,10), grid=False, legend=False, color="#8c564b")
plt.title('Топ-15 сетей общепита в Москве по числу заведений', fontsize=16, pad=20)
plt.xticks(rotation=0, fontsize=13)
plt.xlabel('Число заведений', fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel('', fontsize=13)
sns.despine()
for i, v in enumerate(pivot_chain_3['count'].sort_values(ascending=True)):
    ax.text(v+1, i-0.1, str(v), fontsize=13)
plt.savefig("top15_chains.jpg", format="jpg", bbox_inches='tight', dpi=200)    
plt.show()

На первом месте - Шоколадница со 120 заведениями, на втором Домино'с Пицца - 76 пиццерий, на третьем Додо пицца - 72 пиццерии. Интересно, что несмотря на присутствие двух крупных пиццерий в топ-3 сетевых заведений, пиццерии как таковые, как мы выяснили в прошлом пункте, составляют лишь 10.3% от общего числа всех сетевых заведений.

Построим похожий график c указанием категорий заведений, которые входят в состав топ-15 сетей:

pivot_chain_4 = df.query('name in @pivot_chain_3.index').pivot_table(index='name', columns='category', values='address', aggfunc='count')
pivot_chain_4['sum'] = pivot_chain_4.sum(axis=1)
pivot_chain_4 = pivot_chain_4.sort_values(by='sum', ascending=False)
pivot_chain_4

category	бар,паб	булочная	быстрое питание	кафе	кофейня	пиццерия	ресторан	столовая	sum
name
Шоколадница	NaN	NaN	NaN	1.0	119.0	NaN	NaN	NaN	120.0
Домино'с Пицца	NaN	NaN	NaN	NaN	NaN	76.0	NaN	NaN	76.0
Додо Пицца	NaN	NaN	NaN	NaN	NaN	74.0	NaN	NaN	74.0
Яндекс Лавка	NaN	NaN	NaN	NaN	NaN	NaN	72.0	NaN	72.0
One Price Coffee	NaN	NaN	NaN	NaN	71.0	NaN	NaN	NaN	71.0
Cofix	NaN	NaN	NaN	NaN	65.0	NaN	NaN	NaN	65.0
Prime	NaN	NaN	NaN	1.0	NaN	NaN	49.0	NaN	50.0
Хинкальная	3.0	NaN	6.0	19.0	NaN	NaN	15.0	1.0	44.0
КОФЕПОРТ	NaN	NaN	NaN	NaN	42.0	NaN	NaN	NaN	42.0
Кулинарная лавка братьев Караваевых	NaN	NaN	NaN	39.0	NaN	NaN	NaN	NaN	39.0
Теремок	NaN	NaN	2.0	NaN	NaN	NaN	36.0	NaN	38.0
Чайхана	NaN	NaN	2.0	26.0	NaN	NaN	9.0	NaN	37.0
CofeFest	NaN	NaN	NaN	1.0	31.0	NaN	NaN	NaN	32.0
Буханка	NaN	25.0	NaN	1.0	6.0	NaN	NaN	NaN	32.0
Му-Му	1.0	NaN	2.0	12.0	2.0	1.0	8.0	1.0	27.0

ax = pivot_chain_4.sort_values(by='sum', ascending=True).drop(columns='sum').plot(kind='barh', figsize=(10,10), grid=False, stacked=True, legend=True)
plt.title('Топ-15 сетей общепита в Москве по числу заведений c указанием категорий', fontsize=16, pad=20)
plt.xticks(rotation=0, fontsize=13)
plt.xlabel('Число заведений', fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel('', fontsize=13)
sns.despine()
for i, v in enumerate(pivot_chain_3['count'].sort_values(ascending=True)):
    ax.text(v+1, i-0.1, str(v), fontsize=13)
plt.savefig("top15_chains.jpg", format="jpg", bbox_inches='tight', dpi=200)
plt.legend(title='Категория', fontsize='large')
plt.show()

Построим такой же график с помощью plotly, чтобы можно было в интерактивном режиме посмотреть сколько заведений определенной категории входит в состав сети:

pivot_chain_5 = df.query('name in @pivot_chain_3.index').groupby(['name','category']).agg({'name':'count'})
pivot_chain_5.columns=['count']
pivot_chain_5 = pivot_chain_5.reset_index()
pivot_chain_5

	name	category	count
0	CofeFest	кафе	1
1	CofeFest	кофейня	31
2	Cofix	кофейня	65
3	One Price Coffee	кофейня	71
4	Prime	кафе	1
5	Prime	ресторан	49
6	Буханка	булочная	25
7	Буханка	кафе	1
8	Буханка	кофейня	6
9	Додо Пицца	пиццерия	74
10	Домино'с Пицца	пиццерия	76
11	КОФЕПОРТ	кофейня	42
12	Кулинарная лавка братьев Караваевых	кафе	39
13	Му-Му	бар,паб	1
14	Му-Му	быстрое питание	2
15	Му-Му	кафе	12
16	Му-Му	кофейня	2
17	Му-Му	пиццерия	1
18	Му-Му	ресторан	8
19	Му-Му	столовая	1
20	Теремок	быстрое питание	2
21	Теремок	ресторан	36
22	Хинкальная	бар,паб	3
23	Хинкальная	быстрое питание	6
24	Хинкальная	кафе	19
25	Хинкальная	ресторан	15
26	Хинкальная	столовая	1
27	Чайхана	быстрое питание	2
28	Чайхана	кафе	26
29	Чайхана	ресторан	9
30	Шоколадница	кафе	1
31	Шоколадница	кофейня	119
32	Яндекс Лавка	ресторан	72

fig = px.bar(pivot_chain_5.sort_values(by='count', ascending=True).reset_index(), y='name', x='count', color='category', 
             orientation='h', title ='Топ-15 сетей общепита в Москве с указанием категорий входящих в них заведений', width=1000, height=800,
            category_orders={'name': pivot_chain_3.index[::1]})
fig.update_layout(xaxis_title = 'Число заведений',
                  yaxis_title = '',
                 legend = dict(title='Категория заведений'))
fig.show()

В топ-3 сетей общепита: Шоколадница (120 заведений), Домино'с Пицца (76) и Додо Пицца (74). При этом они являются преимущественно монокатегорийными. Лишь у Шоколадницы из 120 заведений - 1 кафе, а все остальные - кофейни. Возможно, это просто ошибка записи в датасете. Также полностью или почти монокатегорийные сети из топ-15 - Яндекс Лавка (рестораны), One Price Coffee, Cofix, КОФЕПОРТ, CofeFest (кофейни), Кулинарная лавка братьев Караваевых (кафе), Prime (рестораны). Другие сети в той или иной степени поликатегорийны.

В сетевом топе практически нет баров и столовых. Судя по тому, какие сети мы видим среди самых популярных - очень важным фактором успеха является опция доставки еды. Кроме того, значительная часть топа - заведения, которые можно открыть, купив франшизу (Шоколадница, Домино'c Пицца, Додо Пицца, Яндекс Лавка, One Price Coffee, Cofix, КОФЕПОРТ, Кулинарная лавка братьев Караваевых...)

Какие административные районы Москвы присутствуют в датасете?

Создадим сводную таблицу, в которой отразим число точек общепита в каждом из представленных районов города по типам заведения:

district_pivot = df.pivot_table(index='district', values='name', columns='category', aggfunc='count')
district_pivot = district_pivot.sort_values(by='Восточный административный округ', ascending=False, axis=1)
district_pivot['sum'] = district_pivot.sum(axis=1)
district_pivot = district_pivot.sort_values(by='sum', ascending=False)
district_pivot = district_pivot.drop(columns='sum')
# уберем длинные названия районов, чтобы не загромождать оси будущего графика
district_pivot = district_pivot.rename(index={'Центральный административный округ':'ЦАО', 'Северный административный округ':'САО',
                                      'Южный административный округ':'ЮАО', 'Северо-Восточный административный округ':'СВАО',
                                      'Западный административный округ':'ЗАО', 'Восточный административный округ':'ВАО',
                                      'Юго-Восточный административный округ':'ЮВАО', 'Юго-Западный административный округ':'ЮЗАО',
                                      'Северо-Западный административный округ':'СЗАО'})
district_sum = district_pivot.sum(axis=1).reset_index()
district_sum.columns = ['district','num']
district_pivot
district_sum

	district	num
0	ЦАО	2242
1	САО	898
2	ЮАО	892
3	СВАО	891
4	ЗАО	851
5	ВАО	798
6	ЮВАО	714
7	ЮЗАО	709
8	СЗАО	409

Построим график:

colors = ['#1f77b4', '#2ca02c', '#ff7f0e', '#d62728', '#9467bd', '#8c564b', '#e377c2', '#7f7f7f']
ax = district_pivot.plot(kind='bar', figsize=(20,10), grid=False, color=colors, stacked=True)
plt.title('Распределение числа заведений разных категорий по административным округам Москвы', fontsize=20, pad=20)
plt.xticks(rotation=0, fontsize=20)
plt.xlabel('', fontsize=15)
plt.yticks(fontsize=20)
plt.ylabel('Число заведений', fontsize=20)
plt.legend(fontsize=20)
sns.despine()
for i, v in enumerate(district_sum['num']):
    ax.text(i, v + 10, str(v), ha='center',fontsize=20)
plt.savefig("districts.jpg", format="jpg", bbox_inches='tight', dpi=200) 
plt.show()

Первое, что бросается в глаза - число заведений в Центральном административном округе (ЦАО) более чем в два раза превышает число заведений в любом другом округе. В ЦАО более двух тысяч точек общественного питания, тогда как в других районах оно не достигает и одной тысячи. Меньше всего общепита в Северо-Западном административном округе - около 400 точек

Второе - во всех округах, кроме Центрального, тройка лидеров по типу заведений выглядит следующим образом: на первом по численности месте - кафе, на втором - рестораны, на третьем - кофейни. В Центральном округе тройка лидеров такая же, но ресторанов больше чем кафе

Третье - в ЦАО очень большое количество баров и пабов (364), тогда как во всех других районах вместе взятых их 401:

district_pivot[['бар,паб']].sum()-district_pivot.loc['ЦАО',['бар,паб']]

category
бар,паб    401
dtype: int64

Абсолютное количество заведений в районе нельзя считать достоверным показателем развития гастрономической инфраструктуры, т.к. площадь районов разная, и от нее зависит результирующая плотность заведений в конкретном районе.

Средние рейтинги заведений по типам (рестораны, кафе, кофейни и т.д.)

Получим таблицу со средними и медианными рейтингами заведений по категориям:

round(df.pivot_table(index='category', values='rating', aggfunc=['mean','median']), 2)

	mean	median
	rating	rating
category
бар,паб	4.39	4.4
булочная	4.27	4.3
быстрое питание	4.05	4.2
кафе	4.12	4.2
кофейня	4.28	4.3
пиццерия	4.30	4.3
ресторан	4.29	4.3
столовая	4.21	4.3

Построим боксплот без лимита по оси x, покажем на графике средние значения и стат. выбросы и оценим форму распределений рейтингов:

plt.figure(figsize=(12,6))
ranks = df.groupby('category')['rating'].median().fillna(0).sort_values()[::-1].index
sns.boxplot(y='rating', x='category', data=df, showmeans=True, order=ranks, 
           meanprops={'marker': 'o', 'markerfacecolor': 'w', 'markeredgecolor': 'k'})
plt.title('Рейтинги заведений по категориям', fontsize=20)
plt.xlabel('Тип заведения', fontsize=13)
plt.ylabel('Рейтинг', fontsize=13)
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)
plt.ylim(1,5.1)
plt.show()

colors = sns.color_palette("tab10")
for i, category in enumerate(df['category'].unique()):
    color = colors[i]
    df.query('category == @category').plot(kind='hist', y='rating', bins=25, alpha=0.7, label=category, color=color)
    plt.title(f'Распределение рейтинга заведений типа {category}')
    plt.xlabel('Рейтинг')
    plt.ylabel('Число заведений')
    plt.show()

Для всех типов заведений подавляющее большинство значений рейтинга находится между 3.5 и 5.0. Все распределения имеют "хвосты" растянутые влево. Это значит, что небольшая часть заведений имеет рейтинги ниже чем 3.5. Причем среди точек быстрого питания и кафе таких заведений больше, чем среди других категорий.

Уберем с боксплотов, построенных выше, выбросы, и сравним средние рейтинги:

plt.figure(figsize=(14,6))
ranks = df.groupby('category')['rating'].mean().fillna(0).sort_values()[::-1].index
ax = sns.boxplot(y='rating', x='category', data=df.sort_values(by='category'), order=ranks, showmeans=True, showfliers=False, 
           meanprops={'marker': 'o', 'markerfacecolor': 'w', 'markeredgecolor': 'k'})
plt.ylim(3.2,5.1)
plt.title('Рейтинги заведений в разбивке по категориям\n (белым шрифтом показаны средние значения)', fontsize=15)
plt.xlabel('', fontsize=15)
plt.ylabel('Рейтинг', fontsize=15)
plt.xticks(fontsize=13)
plt.yticks(fontsize=15)

means = round(df.groupby(['category'])['rating'].mean().sort_values()[::-1],2)
vertical_offset = df['rating'].mean() * 0.015
for xtick in ax.get_xticks():
    ax.text(xtick,means[xtick]-vertical_offset,means[xtick], 
            horizontalalignment='left',size='large',color='w')
plt.show()

Средние рейтинги находятся в пределах 4.05-4.39. При этом самое высокое среднее значение рейтинга у баров и пабов (4.39), а самые низкие - у заведений быстрого питания (4.05) и кафе (4.12). Для остальных категорий средние рейтинги лежат в пределах 4.2-4.3. Похоже, что у пабов самая благодарная публика, а может быть дело в том, что половина пабов находится в Центральном округе и волей-неволей приходится держать марку из-за высокой конкуренции. Низкие оценки точек быстрого питания - частая история, поскольку отношение к ним противоречивое, и всегда находятся желающие покритиковать фастфуд просто за то, что он им является.

Фоновая картограмма (хороплет) со средним рейтингом заведений каждого района

pivot_rating = df.pivot_table(index = 'district', values='rating', aggfunc='mean').reset_index().sort_values(by='rating', ascending=False)
pivot_rating

	district	rating
5	Центральный административный округ	4.377520
2	Северный административный округ	4.240980
4	Северо-Западный административный округ	4.208802
8	Южный административный округ	4.184417
1	Западный административный округ	4.181551
0	Восточный административный округ	4.174185
7	Юго-Западный административный округ	4.172920
3	Северо-Восточный административный округ	4.148260
6	Юго-Восточный административный округ	4.101120

Создадим карту с центром в центром Москвы:

lat, lng = 55.751244, 37.618423
m = Map(location=[lat, lng], tiles='Cartodb Positron', zoom_start=10)

try:
    with open('admin_level_geomap.geojson', encoding='utf-8') as f:
        borders = json.load(f)
except:
    with urllib.request.urlopen("https://code.s3.yandex.net/data-analyst/admin_level_geomap.geojson") as f:
        borders = json.load(f)

Добавим хороплет и значения среднего рейтинга на карту:

Choropleth(geo_data = borders,
          data = pivot_rating,
          columns = ['district', 'rating'],
          key_on = 'feature.name',
          fill_color = 'Oranges',
          fill_opacity = 0.7,
          legend_name = 'Средний рейтинг заведений').add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Хороплет показывает, что лучше всего дела с рейтингом заведений обстоят в Центальном административном округе, также сравнительно высокие рейтинги имеют заведения Северо-Западного и Северного административных округов. Хуже всего с рейтингом у заведений Юго-Восточного административного округа.

Отображение заведений на карте при помощи кластеров

Снова создадим чистую карту Москвы:

lat, lng = 55.751244, 37.618423
m = Map(location=[lat, lng], tiles='Cartodb Positron', zoom_start=10)

Создадим пустой кластер cluster и добавbм его на карту:

cluster = MarkerCluster().add_to(m)

Напишем функцию, которая будет построчно извлекать из датафрейма df информацию о широте и долготе, а также о названии и рейтинге заведения, создавать маркер с соответствующими параметрами и добавлять его в кластер cluster:

def fill_cluster(row):
    Marker([row['lat'], row['lng']], popup = f'{row["name"]}, рейтинг: {row["rating"]}').add_to(cluster)

Добавляем маркеры в кластер и отображаем карту:

df.apply(fill_cluster, axis=1)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Хороплет отлично демонстрирует высокую концентрацию заведений в центре, на севере и юго-западе.

Топ-15 улиц по количеству заведений

Создадим сводную таблицу с названиями улиц и числом заведений:

top_streets = df.pivot_table(index = 'street', values = 'name', aggfunc = 'count').sort_values(by='name', ascending=False)[:15]
top_streets.columns = ['count']
top_streets

	count
street
проспект Мира	184
Профсоюзная улица	122
проспект Вернадского	108
Ленинский проспект	107
Ленинградский проспект	95
Дмитровское шоссе	88
Каширское шоссе	77
Варшавское шоссе	76
Ленинградское шоссе	70
МКАД	65
Люблинская улица	60
улица Вавилова	55
Кутузовский проспект	54
улица Миклухо-Маклая	49
Пятницкая улица	48

По числу заведений общепита лидирует проспект Мира (184 точки), на втором месте - Профсоюзная улица (122), на третьем - проспект Вернадского (108). Замыкает топ-15 Пятницкая улица (48 заведений).

Теперь посмотрим, как распределены заведения по категориям на этих улицах:

top_15_streets = df.query('street in @top_streets.index').groupby(['street', 'category']).agg({'name':'count'})
top_15_streets = top_15_streets.reset_index().sort_values(by=['street', 'category'], ascending=True).sort_values(by='name', ascending = False)
top_15_streets.columns = ['street', 'category', 'count']
top_15_streets

	street	category	count
93	проспект Мира	кафе	53
63	МКАД	кафе	45
96	проспект Мира	ресторан	45
94	проспект Мира	кофейня	36
70	Профсоюзная улица	кафе	35
...	...	...	...
58	Люблинская улица	пиццерия	1
83	проспект Вернадского	булочная	1
23	Кутузовский проспект	булочная	1
66	МКАД	столовая	1
61	МКАД	бар,паб	1

111 rows × 3 columns

fig = px.bar(top_15_streets, x='street', y='count', color='category',
            color_discrete_map={
        'кафе': '#1f77b4',
        'ресторан': '#2ca02c',
        'кофейня':'#ff7f0e',
        'быстрое питание':'#d62728',
        'пиццерия':'#9467bd',
        'бар,паб':'#8c564b',
        'столовая':'#e377c2',
        'булочная':'#7f7f7f'})
fig.update_layout(title='Распределение числа заведений разных категорий на ТОП-15 улицах Москвы\n по количеству общепита',
                 width=1000, height=500, xaxis_title="Название улицы", yaxis_title="Число заведений",
                 xaxis={'categoryorder':'total descending'}                 )
fig.update_layout(
    {
        "paper_bgcolor": "rgba(0, 0, 0, 0)",
        "plot_bgcolor": "rgba(0, 0, 0, 0)",
    }
)

На большинстве улиц из топ-15 преобладают кафе и рестораны с примерно равномерным распределением между этими двумя категориями. Исключение составляет МКАД, на котором 45 кафе и лишь пять ресторанов, что вполне объяснимо: кафе, вероятнее всего располагаются на заправочных станциях, а сидеть в ресторане на МКАДе - затея так себе. На Пятницкой улице, Ленинградском проспекте и Ленинградском шоссе, наоборот, много ресторанов и мало кафе. Вероятно, расположение этих улиц больше располагает к более серьезному гастрономическому подходу.

Улицы, на которых только один объект общепита

one_place_streets = df.pivot_table(index = 'street', values = 'name', aggfunc = 'count').query('name == 1')
one_place_streets.columns=['count']
one_place_streets.info()

<class 'pandas.core.frame.DataFrame'>
Index: 459 entries,  1-й Автозаводский проезд to  № 7
Data columns (total 1 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   count   459 non-null    int64
dtypes: int64(1)
memory usage: 7.2+ KB

Итак, в Москве 458 улиц, на которых только по одному объекту общепита. Чисто теоретически можно предположить, что это либо очень короткие улицы, либо улицы в спальных районах или промзонах. Чтобы проверить эти предположения, нанесем маркеры с местоположением этих заведений а карту. Создадим карту и кластер:

lat, lng = 55.751244, 37.618423
m = Map(location=[lat, lng], tiles='Cartodb Positron', zoom_start=10)
cluster2 = MarkerCluster().add_to(m)

Cоздадим датафрейм df_one_place, в который войдут только о тех заведениях, которые являются единственными на своей улице:

df_one_place = df.query('street in @one_place_streets.index')
df_one_place.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 459 entries, 15 to 8398
Data columns (total 17 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               459 non-null    object 
 1   category           459 non-null    object 
 2   address            459 non-null    object 
 3   district           459 non-null    object 
 4   hours              432 non-null    object 
 5   lat                459 non-null    float64
 6   lng                459 non-null    float64
 7   rating             459 non-null    float64
 8   price              182 non-null    object 
 9   avg_bill           194 non-null    object 
 10  middle_avg_bill    165 non-null    float64
 11  middle_coffee_cup  24 non-null     float64
 12  chain              459 non-null    int64  
 13  seats              156 non-null    float64
 14  is_duplicated      459 non-null    bool   
 15  street             459 non-null    object 
 16  is_24/7            459 non-null    bool   
dtypes: bool(2), float64(6), int64(1), object(8)
memory usage: 58.3+ KB

Добавим маркеры этих заведений на карту:

def fill_cluster2(row):
    Marker([row['lat'], row['lng']], popup = f'{row["name"]}, рейтинг: {row["rating"]}').add_to(cluster2)

df_one_place.apply(fill_cluster2, axis=1)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

По карте видно, что как в центре города так и на окраинах есть заведения, которые являются единственными на своей улице. Более детальное рассмотрение карты показывает, что в действительности многие из таких завдений располагаются на коротких улицах или в переулках. На окраинах они есть в парках, промзонах и спальных районах.

Посмотрим, к каким категориям общепита относятся такие заведения:

one_place_pivot = df_one_place.pivot_table(index='category', values='name', aggfunc='count').sort_values(by='name', ascending=False)
one_place_pivot.columns=['count_one_place']
one_place_pivot

	count_one_place
category
кафе	160
ресторан	94
кофейня	84
бар,паб	39
столовая	36
быстрое питание	23
пиццерия	15
булочная	8

Присутствуют заведения всех категорий. Посмотрим, какой процент от общего числа заведений по категориям в Москве являются единственными на своей улице. Для этого сначала посчитаем все заведения Москвы по категориям:

all_places_pivot = df.pivot_table(index='category', values='name', aggfunc='count').sort_values(by='name', ascending=False)
all_places_pivot.columns=['count_all_places']
all_places_pivot

	count_all_places
category
кафе	2377
ресторан	2042
кофейня	1413
бар,паб	765
пиццерия	633
быстрое питание	603
столовая	315
булочная	256

Объединим таблицы:

places_pivot = one_place_pivot.join(all_places_pivot)
places_pivot

	count_one_place	count_all_places
category
кафе	160	2377
ресторан	94	2042
кофейня	84	1413
бар,паб	39	765
столовая	36	315
быстрое питание	23	603
пиццерия	15	633
булочная	8	256

Рассчитаем процент:

places_pivot['percent'] = round(places_pivot['count_one_place']/places_pivot['count_all_places']*100,1)
places_pivot

	count_one_place	count_all_places	percent
category
кафе	160	2377	6.7
ресторан	94	2042	4.6
кофейня	84	1413	5.9
бар,паб	39	765	5.1
столовая	36	315	11.4
быстрое питание	23	603	3.8
пиццерия	15	633	2.4
булочная	8	256	3.1

А вот и интересная находка - самый большой процент заведений, которые являются единственными на своей улице, среди столовых - 11.4 %

fig = px.bar(places_pivot.reset_index(), x='category', y='percent', color='category')
fig.update_layout(title='Процент заведений, которые являются единственными на своей улице, в распределении по категориям',
                 width=1000, height=700, xaxis_title="Категория", yaxis_title="Процент от общего числа заведений данной категории в Москве,%",
                 xaxis={'categoryorder':'total descending'})

Посмотрим, где они расположены:

lat, lng = 55.751244, 37.618423
m = Map(location=[lat, lng], tiles='Cartodb Positron', zoom_start=10)
cluster3 = MarkerCluster().add_to(m)

def fill_cluster3(row):
    Marker([row['lat'], row['lng']], popup = f'{row["name"]}, рейтинг: {row["rating"]}').add_to(cluster3)

df_one_place.query('category == "столовая"').apply(fill_cluster3, axis=1)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

В пределах Садового кольца таких столовых только две. Я не очень хорошо знаю Москву, но рискну предположить, что многие из них - столовые, расположенные рядом с крупными производственными предприятиями.

Посмотрим, отличается ли средний рейтинг столовых, которые являются единственными заведениями общепита на своей улице, от среднего рейтинга всех столовых по Москве. Возможно, отсутствие конкуренции приводит к снижению качества обслуживания?

fig, (ax1, ax2) = plt.subplots(1,2,figsize=(10,5))
df_one_place.query('category == "столовая"')['rating'].plot(kind='box', showmeans=True, showfliers=False, ax=ax1)
ax1.set_title('Рейтинги столовых - единственных заведений общепита\n на своей улице', fontsize=12)
ax1.set_ylim(3.2, 5)
ax1.set_ylabel('Рейтинг')
df.query('category == "столовая"')['rating'].plot(kind='box', showmeans=True, showfliers=False, ax=ax2)
ax2.set_title('Рейтинги всех столовых Москвы', fontsize=12, pad=15)
ax2.set_ylim(3.2, 5)
ax2.set_ylabel('Рейтинг')
plt.show()

print("Данные о рейтингах столовых, которые являются единственными заведениями общепита на своей улице")
df_one_place.query('category == "столовая"')['rating'].describe()

Данные о рейтингах столовых, которые являются единственными заведениями общепита на своей улице

count    36.000000
mean      4.261111
std       0.351550
min       3.000000
25%       4.100000
50%       4.300000
75%       4.500000
max       4.900000
Name: rating, dtype: float64

print("Данные о рейтингах всех столовых Москвы")
df.query('category == "столовая"')['rating'].describe()

Данные о рейтингах всех столовых Москвы

count    315.000000
mean       4.211429
std        0.454205
min        1.000000
25%        4.100000
50%        4.300000
75%        4.400000
max        5.000000
Name: rating, dtype: float64

Медианные рейтинги вообще не различаются (4.3), а средний даже несколько ниже в общем по Москве. Предположение о снижении качества обслуживания в столовых, являющихся единственным общепитом на своей улице, не подтверждается.

Как медианный чек заведений меняется от округа к округу?

Проанализируем цены на общепит в каждом районе. Для этого используем показатель среднего чека заведений. Создадим сводную таблицу с названием округов и медианным средним чеком:

median_avg_bill = df.pivot_table(index = 'district', values = 'middle_avg_bill', aggfunc='median').reset_index().sort_values(by='middle_avg_bill', ascending = False)
median_avg_bill

	district	middle_avg_bill
1	Западный административный округ	1000.0
5	Центральный административный округ	1000.0
4	Северо-Западный административный округ	700.0
2	Северный административный округ	650.0
7	Юго-Западный административный округ	600.0
0	Восточный административный округ	575.0
3	Северо-Восточный административный округ	500.0
8	Южный административный округ	500.0
6	Юго-Восточный административный округ	450.0

Самый большой средний чек в заведения общепита, расположенных на территории Центрального и Западного административных округов (1000 рублей). На третьем месте - Северо-Западный административный округ (700 рублей). Самый низкий средний чек в Юго-Восточном округе.

Визуализируем полученные данные на фоновой картограмме:

lat, lng = 55.751244, 37.618423
m = Map(location=[lat, lng], tiles='Cartodb Positron', zoom_start=10)
Choropleth(geo_data = borders,
          data = median_avg_bill,
          columns = ['district', 'middle_avg_bill'],
          key_on = 'feature.name',
          fill_color = 'Oranges',
          fill_opacity = 0.7,
          legend_name = 'Медианный средний счет').add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Как расстояние от центра города влияет на средний чек в заведениях общественного питания Москвы? (доп. задание)

Попробуем более подробно изучить зависимость среднего чека в заведениях от расстояния до центра города: для этого создадим функцию get_distance, которая будет по координатам центра города и координатам заведения определять расстояние между ними по прямой в километрах:

def get_distance(row):
    loc1=(55.751244, 37.618423) # координаты центра Москвы
    loc2=(row['lat'], row['lng']) #
    distance = hs.haversine(loc1,loc2)
    return distance

Создадим в датафрейме новый столбец distance и запишем туда расстояние от центра города до заведения, округленное до километра:

df['distance'] = round(df.apply(get_distance, axis=1))

Создадим сводную таблицу, в которую запишем медианны значения среднего чека в зависимости от расстояния и типа заведения:

pivot_prices = df.pivot_table(index='distance', columns='category', values='middle_avg_bill', aggfunc='median')
pivot_prices

category	бар,паб	булочная	быстрое питание	кафе	кофейня	пиццерия	ресторан	столовая
distance
0.0	1100.0	NaN	NaN	NaN	NaN	1250.0	NaN	NaN
1.0	1250.0	2250.0	575.0	800.0	875.0	1250.0	1250.0	400.0
2.0	1250.0	1500.0	525.0	800.0	475.0	1500.0	1500.0	275.0
3.0	1250.0	575.0	420.0	500.0	420.0	1050.0	1250.0	312.5
4.0	1425.0	450.0	387.5	675.0	600.0	775.0	1250.0	282.5
5.0	1250.0	600.0	400.0	512.5	375.0	587.5	1075.0	300.0
6.0	1200.0	950.0	450.0	500.0	350.0	500.0	925.0	280.0
7.0	900.0	360.0	487.5	400.0	400.0	500.0	1250.0	280.0
8.0	1125.0	400.0	325.0	600.0	600.0	750.0	1025.0	315.0
9.0	1200.0	350.0	350.0	500.0	400.0	750.0	1250.0	300.0
10.0	1100.0	225.0	299.5	600.0	312.5	600.0	1150.0	275.0
11.0	1000.0	600.0	425.0	450.0	400.0	650.0	1000.0	299.0
12.0	1000.0	1250.0	312.5	500.0	300.0	455.0	1250.0	300.0
13.0	1100.0	387.5	387.5	450.0	205.0	500.0	1050.0	300.0
14.0	1250.0	400.0	287.5	500.0	280.0	475.0	1100.0	300.0
15.0	1100.0	275.0	325.0	500.0	293.5	500.0	1000.0	282.5
16.0	1100.0	175.0	300.0	625.0	350.0	438.0	1250.0	250.0
17.0	550.0	900.0	225.0	362.5	217.5	458.0	505.0	275.0
18.0	1250.0	NaN	470.0	400.0	850.0	500.0	900.0	412.5
19.0	NaN	NaN	325.0	775.0	141.0	561.0	1000.0	350.0

Выполним бегущее усреднение, чтобы сгладить всплески медианного чека на отдельных расстояниях:

pivot_prices = pivot_prices.rolling(2).mean()
pivot_prices

category	бар,паб	булочная	быстрое питание	кафе	кофейня	пиццерия	ресторан	столовая
distance
0.0	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1.0	1175.0	NaN	NaN	NaN	NaN	1250.00	NaN	NaN
2.0	1250.0	1875.00	550.00	800.00	675.00	1375.00	1375.0	337.50
3.0	1250.0	1037.50	472.50	650.00	447.50	1275.00	1375.0	293.75
4.0	1337.5	512.50	403.75	587.50	510.00	912.50	1250.0	297.50
5.0	1337.5	525.00	393.75	593.75	487.50	681.25	1162.5	291.25
6.0	1225.0	775.00	425.00	506.25	362.50	543.75	1000.0	290.00
7.0	1050.0	655.00	468.75	450.00	375.00	500.00	1087.5	280.00
8.0	1012.5	380.00	406.25	500.00	500.00	625.00	1137.5	297.50
9.0	1162.5	375.00	337.50	550.00	500.00	750.00	1137.5	307.50
10.0	1150.0	287.50	324.75	550.00	356.25	675.00	1200.0	287.50
11.0	1050.0	412.50	362.25	525.00	356.25	625.00	1075.0	287.00
12.0	1000.0	925.00	368.75	475.00	350.00	552.50	1125.0	299.50
13.0	1050.0	818.75	350.00	475.00	252.50	477.50	1150.0	300.00
14.0	1175.0	393.75	337.50	475.00	242.50	487.50	1075.0	300.00
15.0	1175.0	337.50	306.25	500.00	286.75	487.50	1050.0	291.25
16.0	1100.0	225.00	312.50	562.50	321.75	469.00	1125.0	266.25
17.0	825.0	537.50	262.50	493.75	283.75	448.00	877.5	262.50
18.0	900.0	NaN	347.50	381.25	533.75	479.00	702.5	343.75
19.0	NaN	NaN	397.50	587.50	495.50	530.50	950.0	381.25

fig, ax = plt.subplots(figsize=(10,10))
pivot_prices.plot(kind='line', ax=ax, marker='o')
plt.title('Динамика медианного среднего чека с увеличением расстояния до центра Москвы', fontsize=16, pad=20)
plt.xticks(rotation=0, fontsize=13)
plt.xlabel('Расстояние, км', fontsize=13)
plt.yticks(fontsize=13)
plt.ylabel('Медианный средний чек, рублей', fontsize=13)
plt.legend(fontsize=13)
sns.despine()
plt.savefig("distance_prices.jpg", format="jpg", dpi=200)
plt.show()

График демонстрирует, что медианный средний чек снижается с увеличением расстояния от центра города для большинства категорий заведений. Самую сильную зависимость от расстояния демонстриует мединанный средний чек для булочных и пиццерий (так, например, в центре города средний чек в пиццерии составляет 1250 рублей, а в 19 км от центра - 530 рублей). Средние чеки в барах и ресторанах в центре около 1250 рублей а на окраине - меньше 1000 рублей. Средний чек в кафе в центре города - 800 рублей, на окраине - 587. Практически не подвержены изменениям в зависимости от расстояния до центра только средние чеки в столовых (300-400 рублей).

Общие выводы из исследовательского анализа рынка заведений общественного питания Москвы

1. В Москве представлены восемь категорий заведений общественного питания: кафе, рестораны, кофейни, бары и пабы, пиццерии, точки быстрого питания, столовые и булочные. Самые многочисленные из них - кафе (2378), рестораны (2043) и кофейни (1413) составляют около 2/3 всех заведений московского общепита.
2. Количество поcадочных мест в заведениях значительно варьирует, однако медианные значения числа посадочных мест в заведениях разных категорий различаются не слишком сильно: наиболее вместительными можно считать рестораны, кофейни, пабы/бары и столовые с медианным числом посадочных мест 86, 80, 82 и 76, соответственно. Несколько меньшую вместимость по медианным значениям числа посадочных мест имеют булочные, точки быстрого питания, кафе и пиццерии (50, 65, 60 и 55 посадочных мест, соответственно).
3. Почти 62% заведений, представленных в датасете несетевые, 38% - сетевые. При этом в абсолютном числовом выражении кафе, рестораны и кофейни составляют почти 2/3 всех сетевых заведений. Так происходит потому, что именно эти категории самые многочисленные.
4. Доля сетевых заведений выше всего среди булочных (61.3%) и пиццерий (52.1%). На третьем месте по доле сетевых заведений кофейни (51%). Реже всего сетевыми бывают бары/пабы (22.1%).
5. Три самых популярных сети общественного питания в Москве (если судить по числу заведений) это Шоколадница (120 точек), и пиццерии Домино'с Пицца (76 точек) и Додо Пицца (74 точки).
6. Анализ распределения заведений общепита по округам Москвы показывает, что больше всего точек общественного питания в Центральном округе (более 2000), при этом в остальных округах это число не превышает 1000.
7. В Центральном округе больше ресторанов чем кафе, тогда как в остальных округах число кафе больше чем ресторанов. Также в Центральном округе сконцентрировано около половины всех московских баров и пабов.
8. Самый высокий средний рейтинг у баров и пабов (4.39), а самый низкий - у точек быстрого питания (4.05). Похоже, что у баров и пабов самая благодарная публика, а может быть дело в том, что половина этих заведений находится в Центральном округе и волей-неволей приходится держать марку из-за высокой конкуренции. Низкие оценки точек быстрого питания - частая история, поскольку отношение к ним противоречивое, и всегда находятся желающие покритиковать фастфуд просто за то, что он им является.
9. Среди округов Москвы лидером по среднему рейтингу заведений является Центральный округ (4.37), второе и третье место занимают Северный и Северо-Западный административные округа (4.24 и 4.21). Самый низкий средний рейтинг у заведений Юго-Восточного административного округа (4.10).
10. Лидерами по числу заведений общепита среди улиц являются пр.Мира (184 точки), ул.Профсоюзная (122) и пр.Вернадского (108).
11. В Москве есть улицы, на которых расположено только одно заведение общепита. Чаще всего такими заведениями являются столовые: 11.4% всех столовых - единственные точки общепита на своей улице.
12. Самый высокий медианный средний чек в заведениях Центрального и Западного административных округов (1000 рублей). Самый низкий - в Юго-Восточном административном округе (450 рублей).
13. Для большинства категорий заведений общепита медианный средний чек снижается с увеличением расстояния от центра города. Наиболее выраженное снижение наблюдается для булочных и пиццерий, несколько меньшее - для баров и пабов, кофеен, кафе и ресторанов. Для столовых зависимость медианного среднего чека от расстояния до центра города не выявляется.

Детализация исследования под открытие кофейни

В этом разделе дадим ответы на некоторые вопросы, которые помогут понять особенности московских кофеен и позволят инвесторам принять правильные решения.

Сколько всего кофеен в датасете? В каких районах их больше всего, каковы особенности их расположения?

Посчитаем все кофейни в датасете:

print("Всего кофеен: ", len(df.query('category == "кофейня"')))

Всего кофеен:  1413

Посмотрим, как кофейни распределены по административным округам:

coffee = df.query('category == "кофейня"').pivot_table(index='district', values='name', aggfunc='count').sort_values(by='name', ascending = False).reset_index()
coffee.columns=['district','count']
coffee

	district	count
0	Центральный административный округ	428
1	Северный административный округ	193
2	Северо-Восточный административный округ	159
3	Западный административный округ	150
4	Южный административный округ	131
5	Восточный административный округ	105
6	Юго-Западный административный округ	96
7	Юго-Восточный административный округ	89
8	Северо-Западный административный округ	62

fig = px.bar(coffee, y='count', x='district', color='district',
            color_discrete_map={
        'Центральный административный округ': '#1f77b4',
        'Северный административный округ': '#2ca02c',
        'Северо-Восточный административный округ':'#ff7f0e',
        'Западный административный округ':'#d62728',
        'Южный административный округ':'#9467bd',
        'Восточный административный округ':'#8c564b',
        'Юго-Западный административный округ':'#e377c2',
        'Юго-Восточный административный округ':'#7f7f7f',
        'Северо-Западный административный округ':'#bcbd22'})
fig.update_layout(title='Количество кофеен по административным округам',
                  xaxis_title="", yaxis_title="Число кофеен",
                  width=1000, height=500,
                  legend = dict(title='Округ'))
fig.show()

Всего в датасете 1413 кофеен. 30.3% из них сконцентрированы в Центральном округе, на втором месте - Северный округ (13.7%), на третьем - Северо-Восточный (11.3%). Меньше всего кофеен приходится на долю Северо-Западного административного округа - лишь 4.39%

Есть ли круглосуточные кофейни?

Наверняка такие существуют. Проверим. Создаем таблицу, в которую поместим число кофеен, работающих 24/7, по районам:

df = df.rename(columns={'is_24/7':'is_24'})
coffee_24 = df.query('category == "кофейня" and is_24').pivot_table(index='district', values='name', aggfunc='count').sort_values(by='name', ascending=False).reset_index()
coffee_24.columns = ['district', 'count']
coffee_24

	district	count
0	Центральный административный округ	26
1	Западный административный округ	9
2	Юго-Западный административный округ	7
3	Восточный административный округ	5
4	Северный административный округ	5
5	Северо-Восточный административный округ	3
6	Северо-Западный административный округ	2
7	Юго-Восточный административный округ	1
8	Южный административный округ	1

fig = px.pie(values=coffee_24['count'], names=coffee_24['district'])
fig.update_layout(title='Количество круглосуточных кафе в разных районах Москвы',
                 width=1000, height=500)
fig.update_traces(textinfo='value')
fig.show()

Ожидаемо, по абсолютному числу круглосуточных кофеен лидирует Центральный округ. Но это потому что в нем в принципе много кофеен.

Теперь посчитаем, какой процент кофеен в каждом районе работает круглосуточно:

coffee_24_percent = round(df.query('category == "кофейня"').pivot_table(index='district', values='is_24', aggfunc='mean').sort_values(by='is_24', ascending=False)*100,1)
coffee_24_percent = coffee_24_percent.reset_index()
coffee_24_percent

	district	is_24
0	Юго-Западный административный округ	7.3
1	Центральный административный округ	6.1
2	Западный административный округ	6.0
3	Восточный административный округ	4.8
4	Северо-Западный административный округ	3.2
5	Северный административный округ	2.6
6	Северо-Восточный административный округ	1.9
7	Юго-Восточный административный округ	1.1
8	Южный административный округ	0.8

Проиллюстрируем на фоновой картограмме:

lat, lng = 55.751244, 37.618423
m = Map(location=[lat, lng], tiles='Cartodb Positron', zoom_start=10)
Choropleth(geo_data = borders,
          data = coffee_24_percent,
          columns = ['district', 'is_24'],
          key_on = 'feature.name',
          fill_color = 'Oranges',
          fill_opacity = 0.7,
          legend_name = 'Процент круглосуточных кофеен в округах Москвы').add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Самый высокий процент круглосуточных кофеен в Юго-Западном, Центральном и Западном округах (7.3, 6.1 и 6.0 %). Хуже всего дела с круглосуточными кофейнями обстоят в Южном и Юго-Восточном округах (их около 1%). Возможно, открытие круглосуточного заведения в одном из этих районов - неплохая идея. Конкуренция будет невысока.

Какие у кофеен рейтинги? Как они распределяются по районам?

Для начала посмотрим на распределение рейтингов всех кофеен Москвы:

df.query('category == "кофейня"')['rating'].describe()

count    1413.000000
mean        4.277282
std         0.372250
min         1.400000
25%         4.100000
50%         4.300000
75%         4.400000
max         5.000000
Name: rating, dtype: float64

Медианный рейтинг кофеен 4.3, 50% кофеен имеют рейтинг в диапазоне от 4.1 до 4.4, минимальный рейтинг 1.4, масимальный - 5.0. Визуализируем распределение при помощи гистограммы:

fig = px.histogram(df.query('category == "кофейня"')['rating'], x='rating', nbins=50)
fig.update_layout(title='Распределение рейтингов московских кофеен',
                  xaxis_title="Рейтинг", yaxis_title="Число кофеен",
                 width=800, height=500)
fig.show()

Теперь посмотрим как рейтинги кофеен распределены по районам Москвы:

df.query('category == "кофейня"').pivot_table(index='district', values='rating', aggfunc=['mean','median'])

	mean	median
	rating	rating
district
Восточный административный округ	4.282857	4.3
Западный административный округ	4.195333	4.2
Северный административный округ	4.291710	4.3
Северо-Восточный административный округ	4.216981	4.3
Северо-Западный административный округ	4.325806	4.3
Центральный административный округ	4.336449	4.3
Юго-Восточный административный округ	4.225843	4.3
Юго-Западный административный округ	4.283333	4.3
Южный административный округ	4.232824	4.3

В целом можно сказать, что рейтинги кофеен от округа к округу не отличаются друг от друга - медианный рейтинг во всех округах, за исключением Западного, равен 4.3. Есть округа, в которых средний рейтинг чуть ниже, чем в остальных, но это, по-видимому, связано с наличием отдельных завдений с низким рейтингом, которые смещают среднее.

На какую стоимость чашки капучино стоит ориентироваться при открытии кофейни?

Для начала посмотрим, какой информацией мы располагаем относительно средней стоимости чашки капучино:

df.query('~middle_coffee_cup.isna()')['middle_coffee_cup'].count()

535

Всего у 535 заведений эта метрика указана. Выясним, что это за заведения:

df.query('~middle_coffee_cup.isna()').pivot_table(index='category', values='name', aggfunc='count').sort_values(by='name', ascending=False)

	name
category
кофейня	521
бар,паб	6
кафе	4
пиццерия	3
быстрое питание	1

В подавляющем большинстве случаев это кофейни (521 запись). Помня о том, что у нас в датасете есть записи о 1413 кофейнях, можем заключить, что мы располагаем данными о средней стоимости чашки капучино примерно для 37% кофеен. Это хорошая выборка, однако может случиться так, что средняя стоимость чашки капучино будет указана в основном для высокорейтинговых заведений. Посмотрим, отличается ли распределение рейтингов заведений с указанной средней стоимостью чашки капучино от распределения рейтингов кофеен без указания этой стоимости. Для этого создадим в df новый столбец coffee_price_indicated, в который запишем True если цена указана и False если не указана:

df['coffee_price_indicated'] = ~df['middle_coffee_cup'].isna()

Построим гистограммы:

fig = px.histogram(df.query('category == "кофейня"'), x='rating', color='coffee_price_indicated', nbins=50)
fig.update_layout(title='Рейтинги московских кофеен с указанной и не указанной стоимостью капучино',
                  xaxis_title="Рейтинг", yaxis_title="Число кофеен",
                 width=800, height=500,
                 legend = dict(title='Цена чашки капучино указана?'))
fig.show()

В целом, распределения похожи по форме, и, скорее всего, наша выборка репрезентативна. Теперь посмотрим, достаточно ли данных по районам города, вычислив процент кофеен с указанной средней стоимостью чашки капучино:

round(df.query('category == "кофейня"').pivot_table(index='district', values='coffee_price_indicated', aggfunc='mean')*100,1)

	coffee_price_indicated
district
Восточный административный округ	40.0
Западный административный округ	32.7
Северный административный округ	39.4
Северо-Восточный административный округ	37.7
Северо-Западный административный округ	33.9
Центральный административный округ	37.9
Юго-Восточный административный округ	38.2
Юго-Западный административный округ	35.4
Южный административный округ	32.8

Выраженных "провалов" по районам не заметно. Можем оценивать стоимость чашки по всему городу и отдельно по районам:

df.query('category == "кофейня"')['middle_coffee_cup'].describe()

count     521.000000
mean      175.055662
std        89.753009
min        60.000000
25%       124.000000
50%       170.000000
75%       225.000000
max      1568.000000
Name: middle_coffee_cup, dtype: float64

Медианная стоимость чашечки капучино в Москве - 170 рублей, половина кофеен предлагает капучино в ценовом диапазоне 124-225 рублей. Минимальная сумма, которую придется отдать в Москве за чашку капучино - 60 рублей, максимальная - 1568 рублей. Дороговато для чашки капучино, посмотрим, где такие цены:

df[df['middle_coffee_cup'] == 1568]

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	is_duplicated	street	is_24	distance	coffee_price_indicated
2857	Шоколадница	кофейня	Москва, Большая Семёновская улица, 27, корп. 1	Восточный административный округ	ежедневно, 08:00–23:00	55.782268	37.709022	4.2	средние	Цена чашки капучино:230–2907 ₽	NaN	1568.0	1	48.0	False	Большая Семёновская улица	False	7.0	True

Похоже, ошибка записи. Удалим эту строку:

df = df.drop(index=2857)

df[df['middle_coffee_cup'] == 1568]

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	is_duplicated	street	is_24	distance	coffee_price_indicated

Теперь посмотрим как обстоят дела с ценой на капучино в разных районах города:

fig = px.box(df.query('category == "кофейня"'), y='middle_coffee_cup', x='district', color='district',
            color_discrete_map={
        'Центральный административный округ': '#1f77b4',
        'Северный административный округ': '#2ca02c',
        'Северо-Восточный административный округ':'#ff7f0e',
        'Западный административный округ':'#d62728',
        'Южный административный округ':'#9467bd',
        'Восточный административный округ':'#8c564b',
        'Юго-Западный административный округ':'#e377c2',
        'Юго-Восточный административный округ':'#7f7f7f',
        'Северо-Западный административный округ':'#bcbd22'})
fig.update_layout({"paper_bgcolor": "rgba(0, 0, 0, 0)",
                   "plot_bgcolor": "rgba(0, 0, 0, 0)"},
                   title='Цена чашки капучино в кофейнях разных районов города',
                   xaxis_title="", yaxis_title="Цена чашки капучино, руб",
                   width=1000, height=500,
                   legend = dict(title='Округ'))
fig.update_xaxes(categoryorder='array', categoryarray= ['Юго-Западный административный округ', 
                                                        'Центральный административный округ',
                                                        'Западный административный округ',
                                                        'Северо-Западный административный округ', 
                                                        'Северо-Восточный административный округ', 
                                                        'Северный административный округ',
                                                        'Южный административный округ', 
                                                        'Юго-Восточный административный округ',
                                                        'Восточный административный округ'])
fig.update_traces(boxpoints=False)
fig.show()

Для более наглядной визуализации создадим таблицу с медианной стоимостью капучино по районам и построим хороплет:

coffee_rating = df.query('category == "кофейня"').pivot_table(index='district', values='middle_coffee_cup', aggfunc='median').sort_values(by='middle_coffee_cup', ascending=False)
coffee_rating = coffee_rating.reset_index()
coffee_rating

	district	middle_coffee_cup
0	Юго-Западный административный округ	198.0
1	Центральный административный округ	190.0
2	Западный административный округ	189.0
3	Северо-Западный административный округ	165.0
4	Северо-Восточный административный округ	162.5
5	Северный административный округ	159.0
6	Южный административный округ	150.0
7	Юго-Восточный административный округ	147.5
8	Восточный административный округ	135.0

lat, lng = 55.751244, 37.618423
m = Map(location=[lat, lng], tiles='Cartodb Positron', zoom_start=10)
Choropleth(geo_data = borders,
          data = coffee_rating,
          columns = ['district', 'middle_coffee_cup'],
          key_on = 'feature.name',
          fill_color = 'Oranges',
          fill_opacity = 0.7,
          legend_name = 'Медианная стоимость чашки капучино по округам Москвы').add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Мединная стоимость чашки капучино в Москве 170 рублей. Однако в зависимости от района города эта стоимость несколько различается: так, дороже всего капучино обойдется в Центральном, Западном и Юго-Западном округах (190-200 рублей), несколько дешевле - в Южном, Северо-Западном, Северо-Восточном и Юго-Восточном окргуах (150-165 рублей), дешевле всего медианная чашка капучино стоит в Восточном административном округе - 135 рублей. При открытии кофейни стоит ориетироваться на медианную цену капучино в районе, где предполагается разместить заведение.

df.head()

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	is_duplicated	street	is_24	distance	coffee_price_indicated
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	NaN	NaN	NaN	NaN	0	NaN	False	улица Дыбенко	False	17.0	False
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	NaN	0	4.0	False	улица Дыбенко	False	16.0	False
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	NaN	0	45.0	False	Клязьминская улица	False	16.0	False
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	NaN	Цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN	False	улица Маршала Федоренко	False	17.0	True
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	NaN	1	148.0	False	Правобережная улица	False	18.0	False

Общиие рекомендации по открытию кофейни

1. Кофейни входят в топ-3 типов заведений общественного питания Москвы поколичеству (1412 точек). Поэтому логично будет открывать кофейню в районе, где их количество еще не слишком велико и, следовательно, ниже конкуренция: такими районами являютя Северо-Западный, Юго-Западный и Юго-Восточный округа Москвы.
2. Чтобы цены в кофейне были доступными для среднего москвича, желательно открывать ее в том районе, где рейтинг цен невысок, ведь рейтинг цен отражает суммарные затарты на работу заведения, в т.ч. аренду, стоимость которой отличается от района к району. Среди перечисленных в п.1 районов, такими являются Северо-Западный и Юго-Восточный районы Москвы (медианная цена чашки кофе 159 и 148 рублей - ниже чем в среднем по Москве).
3. Кроме того, в Северо-Западном и Юго-Восточном районах Москвы крайне мало круглосуточных кофеен. Предоставление сервиса 24/7 может стать конкурентным преимуществом перед другими заведениями.
4. Если доступность цен в кофейне не является принципиальной для инвесторов - то можно рассмотреть в качестве варианта Юго-Запад Москвы (здесь кофеен еще не слишком много - 6.8% от общего числа московских кофеен, но медианная чашка капучино уже существенно дороже чем на Северо-Западе и Юго-Востоке - 198 рублей). Это указывает на высокую стоимость аренды и других операционных расходов.
5. Рынок кофеен Москвы более чем на 50 процентов представлен сетевыми заведениями, у которых, за счет больших объемов закупок, операционные расходы в пересчете на одно заведение будут ниже, чем у единственной в своем роде кофейни. Это дает сетям преимущество. Кроме того, конкурировать с сетевыми заведениями сложнее, т.к. они хорошо узнаются клиентами. Размещение несетевого заведения поблизости с сетевым почти наверняка приведет к тому, что значительная часть потенциальных клиентов предпочтет второе. Поэтому можно рекомендовать в тех районах, про которые сказано выше, искать места, где не будет нежелательного соседства с крупной сетью кофеен и/или кафе.
6. Если для инвесторов не является принципиальным неповторимый индивидуальный стиль кофейни, то можно рассмотреть вариант франчайзинга. Значительная доля успешных сетевых заведений Москвы работает по франчайзинговой модели. Это дает множество преимуществ - начиная с готовой модели ведения бизнеса и заканчивая хорошей узнаваемостью клиентами.

Презентация

Ссылка на файл с презентацией: https://drive.google.com/file/d/1uzSVtqs0woYghSzAgQWGE9HqPuWr-I2I/view?usp=sharing